cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
joseph@lecturer.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
JATI (Jurnal Mahasiswa Teknik Informatika)
Published by Institut Teknologi Nasional Malang
ISSN : -     EISSN : 2598828X     DOI : -
Core Subject : Science,
Computer Science & IT
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 3,835 Documents
 144   145   146   147   148 
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI KUALITAS AIR YANG DAPAT DI KONSUMSI Wisnu Saputra, Adrian; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8292

Abstract

Air adalah sumber kehidupan yang penting bagi makhluk hidup termasuk manusia. Metode pemantauan dan evaluasi yang efektif dan tepat diperlukan untuk menjaga kualitas air yang aman. Sifat air yang dapat dikonsumsi sangat penting untuk kesehatan secara umum. Kontaminasi air dapat memicu berbagai infeksi, seperti mencret, kolera, dan hepatitis. Oleh karena itu, sangat penting untuk mengembangkan strategi yang dapat secara tepat meramalkan sifat air yang dapat dikonsumsi. Eksplorasi ini menerapkan perhitungan penambangan informasi Bayes yang mudah tertipu untuk mengantisipasi sifat air yang dapat dimakan. Perhitungan ini bekerja dengan menghitung kemungkinan informasi masuk ke dalam kelas tertentu dengan mempertimbangkan probabilitas kreditnya. Penelitian ini diharapkan dapat menerapkan perhitungan Naive Bayes dalam mengantisipasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting bagi kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Perhitungan Naive Bayes dipilih karena kemampuannya untuk menangani pesanan dengan variasi batas yang kompleks dalam dataset kualitas air. Informasi yang digunakan dalam penelitian ini adalah informasi kualitas air yang didapat dari situs dataset Kaggle dengan jumlah 3477 catatan informasi dengan faktor yang meliputi berbagai faktor fisik, substansi, dan alam. Hasil analisis menunjukkan bahwa model klasifikasi Naive Bayes mampu memprediksi kualitas air dengan akurasi sebesar 65,08 persen, presisi 62,08 persen, dan recall 26,47 persen. Hal ini menunjukkan bahwa algoritma Naive Bayes dapat memprediksi kualitas air minum secara akurat.
ANALISIS POLA TRANSAKSI PEMBELIAN PADA BISNIS FOOD AND BEVERAGE MENGGUNAKAN ALGORITMA FP-GROWTH Fansuri, Rafly; Tohidi, Edi; Wahyudin, Edi; Kaslani, Kaslani; Iin, Iin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8293

Abstract

Dalam dunia bisnis Food and Beverage yang sangat kompetitif saat ini, perusahaan-perusahaan dihadapkan pada tekanan untuk terus mengembangkan strategi-strategi kreatif dalam menjalankan operasi mereka. Salah satu strategi yang dapat digunakan dalam meningkatkan kinerja penjualan adalah cross-selling, yaitu taktik menjual produk tambahan yang berkaitan dengan produk yang telah dibeli oleh pelanggan, dengan tujuan meningkatkan omset penjualan. Tujuan dari penelitian ini adalah untuk mengidentifikasi hubungan antara produk-produk yang sering dibeli oleh pelanggan dan bagaimana pola pembelian mereka dianalisis. Data penjualan dari French Bakery Sales digunakan dalam penelitian ini. Algoritma Frequent Pattern Growth (FP-Growth) adalah alat yang digunakan dalam metodologi penelitian ini untuk data mining asosiasi. Data transaksi penjualan dikumpulkan, atribut yang relevan dipilih, data dipreprocessing, proses asosiasi dataset, dan evaluasi pola yang terbentuk adalah semua langkah dalam proses penelitian ini. penelitian ini menghasilkan 8 aturan asosiasi menggunakan nilai minimum support 0,08 dan confidence 0,5 dengan 10 produk pembentuk. Aturan-aturan ini memiliki potensi untuk mendukung strategi cross-selling dengan lebih mudah dan efisien. Aturan-aturan ini memberikan informasi yang detail mengenai pola pembelian produk oleh konsumen, serta memperkirakan tingkat peluang keberhasilan strategi cross-selling.
KLASIFIKASI PENENTUAN PENERIMA PROGRAM INDNESIA PINTAR DI KRWILBIDIKCAM GREGED MENGGUNAKAN ALGORITMA C4.5 Aulia, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8294

Abstract

Program Indonesia Pintar merupakan program dukungan pendidikan yang bertujuan untuk meningkatkan akses dan mutu pendidikan bagi siswa sekolah dasar. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4. 5 dalam rangka mengidentifikasi penerima manfaat Program Indonesia Pintar (PIP) di Koorwilbidikcam GregedUntuk mengoptimalkan penyaluran dana PIP, diperlukan klasifikasi berdasarkan data mining untuk memahami dan mengidentifikasi faktor-faktor kunci yang mempengaruhi identifikasi penerima manfaat program ini. Metode penelitian ini meliputi langkah pengumpulan data, preprocessing data, pelatihan model menggunakan algoritma C4. 5, evaluasi model, dan interpretasi hasil. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP, penelitian ini diharapkan dapat berkontribusi dalam meningkatkan efektivitas dan efisiensi pelaksanaan program dukungan, tunjangan pengangguran, dan pendidikan di tingkat dasar. Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik mengenai faktor-faktor yang mempengaruhi identifikasi penerima manfaat PIP di wilayah Koorwilbidikcam Greged dan memberikan landasan yang kokoh dalam pengambilan keputusan yang lebih cerdas dalam menyalurkan dana PIP.
ANALISIS KLASIFIKASI INDEKS KUALITAS UDARA KOTA DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES Maulana, Ali; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8295

Abstract

Polusi udara adalah masalah yang berdampak buruk pada kehidupan makhluk hidup dan menyebabkan banyak penyakit. Oleh karena itu, penting untuk memantau tingkat pencemaran udara di lingkungan masyarakat. Tujuan dari penelitian ini adalah untuk membandingkan kinerja dari metode K-Nearest Neighbor dan Naïve Bayes, dalam mengklasifikasikan data Indeks Kualitas Udara kota di Indonesia. Pada penelitian ini, data yang digunakan adalah data World Air Quality Index by City and Coordinates yang diperoleh dari situ Kaggle. Data ini mencakup atribut-atribut seperti country, city, AQI value, AQI category dan lain-lain. Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Selanjutnya, metode K-Nearest Neighbor dan Naïve Bayes diterapkan pada tahapan data mining menggunakan K-fold cross validation dengan percobaan K-2 fold, K-3 fold, K-4 fold dan K-5 fold. Evaluasi kinerja akan dilakukan menggunakan metrik-metrik yang relevan seperti akurasi, precision, dan recall. Berdasarkan hasil klasifikasi didapatkan K-fold terbaik yaitu K-5 fold dari metode K-Nearest Neighbor menghasilkan nilai akurasi 95.13% dan Naïve Bayes menghasilkan akurasi 95.97%. Penelitian ini dapat membantu pemerintah dalam pengambilan kebijakan untuk menjaga kualitas udara, dan memberikan informasi kepada masyarakat tentang kualitas udara di lingkungannya.
ANALISIS KLASTERISASI UNTUK PREDIKSI JUMLAH KASUS DBD BERDASARKAN JENIS KELAMIN DAN KABUPATEN/KOTA DI JAWA BARAT Ikbal, Ali; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8296

Abstract

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang sering fatal, terutama di daerah tropis dan subtropis, menjadi isu kesehatan global dengan penyebaran luas dan dampak serius. Lingkungan memiliki peran penting dalam kondisi ini. Penelitian ini menggunakan metode k-means, naive bayes, dan linear regresi, masing-masing memiliki fungsinya sendiri. K-means berhasil mengelompokkan kasus DBD menjadi 3 cluster (tinggi, sedang, rendah) dengan indeks kinerja Davies Bouldin rata-rata 0.71. Naive bayes digunakan untuk memprediksi hasil cluster 2023 dengan akurasi model 88.27%. Linear regresi untuk menentukan jumlah kasus DBD tahun 2023, dengan kasus tertinggi Kota Bandung 1590 laki laki, 1585 perempuan dan Kota Bekasi 1576 laki-laki dan 1572 perempuan, Kota Depok masuk kategori sedang 948 laki-laki dan 944 perempuan, 24 kota lainnya masuk dalam kategori rendah. Penyebaran DBD cenderung lebih tinggi pada kaum laki-laki, mencapai puncak tertinggi pada tahun 2022. Analisis data kasus DBD dapat memberikan informasi dan kontribusi penting untuk pembangunan strategi pencegahan dan penanggulangan yang lebih efektif oleh masyarakat, pemerintah, dan dinas kesehatan.
ANALISIS MINAT BACA BERDASARKAN TUJUAN KUNJUNGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR PADA PERPUSTAKAAN DAERAH KABUPATEN CIREBON Syamsul Aripin, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8297

Abstract

Minat baca merupakan salah satu indikator penting dalam pembangunan sumber daya manusia. Masyarakat yang memiliki minat baca yang tinggi akan memiliki pengetahuan dan keterampilan yang lebih baik. Salah satu upaya untuk meningkatkan minat baca masyarakat adalah dengan menganalisis minat baca berdasarkan tujuan kunjungan ke perpustakaan. Penelitian ini menggunakan metode kuantitatif dengan pendekatan deskriptif. Metode KNN adalah metode klasifikasi yang didasarkan pada kedekatan antar data. Data yang akan diklasifikasikan akan dibandingkan dengan data pembelajaran yang jaraknya paling dekat.Data yang digunakan dalam penelitian ini adalah data publik yang diperoleh dari perpustakaan di Kabupaten Cirebon. Data tersebut terdiri dari data pengunjung perpustakaan.Hasil penelitian menunjukkan bahwa: Metode K-Nearest Neighbor dapat digunakan secara efektif dan akurat untuk menganalisis minat baca berdasarkan tujuan kunjungan ke perpustakaan di Kabupaten Cirebon. Nilai akurasi yang diperoleh adalah 76,26%. Saran untuk meningkatkan minat baca masyarakat Kabupaten Cirebon adalah sebagai berikut: Perpustakaan perlu meningkatkan kualitas layanannya agar lebih menarik dan nyaman bagi pengunjung. Perpustakaan dapat menyediakan fasilitas yang memadai, seperti ruang baca yang nyaman, akses internet, dan berbagai kegiatan literasi.
ANALISIS SENTIMEN PENGGUNA SHOPEE BERDASARKAN DATA TWEET DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER Al Maeni, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8298

Abstract

Dalam era digital saat ini, Twitter (sekarang dikenal sebagai "X") menjadi platform yang sangat populer untuk berbagi pendapat dan pengalaman pengguna terhadap produk atau layanan, termasuk platform e-commerce seperti Shopee. Tujuan penelitian ini adalah untuk menemukan sentimen positif dan negatif dari tweet yang berkaitan dengan Shopee. Untuk menganalisis sentimen, penelitian ini menggunakan Naive Bayes Classifier. Langkah pertama dalam penelitian ini adalah pengumpulan dataset tweet yang terkait dengan Shopee. Kemudian, data tweet dilakukan pre-processing untuk membersihkan dan mengubah formatnya untuk analisis sentimen. Setelah pre-processing, dataset dibagi menjadi dua bagian: data pelatihan dan data pengujian. Model Naive Bayes Classifier dilatih dengan menghitung kemungkinan setiap fitur (atau kata) muncul dalam setiap kategori sentimen. Data pelatihan digunakan untuk melatih model ini. Hasil penelitian ini menunjukkan bahwa metode Naive Bayes Classifier dengan rasio pembagian data 5:5 dapat mencapai akurasi sebesar 95,00%, nilai ketepatan sebesar 47,50%, dan nilai recall sebesar 50.00%. Hasil ini menunjukkan bahwa metode pembagian data yang seimbang dapat memberikan hasil analisis sentimen yang lebih akurat. Perusahaan dapat lebih memahami kekuatan dan kelemahan platform mereka dengan menganalisis sentimen tweet.
ANALISIS SENTIMEN REVIEW PENGGUNAAN TIKTOK MELALUI PENDEKATAN ALGORITMA NAÏVE BAYES Apriliani, Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8299

Abstract

Media sosial merupakan platform digital yang memungkinkan penggunanya berinteraksi dengan orang lain, berbagi konten seperti teks, gambar, video dan audio, serta terlibat dalam berbagai bentuk komunikasi online yang berbeda-beda, salah satu bentuk media sosial adalah TikTok. TikTok merupakan platform media sosial yang semakin populer yang memungkinkan pengguna berbagi video pendek dengan konten berbeda. Dengan pertumbuhan yang pesat tersebut, muncul permasalahan penting terkait pemahaman dan pengelolaan emosi pengguna terhadap konten di TikTok. Tujuan penelitian ini adalah melakukan analisis sentimen terhadap tinjauan penggunaan TikTok dengan menggunakan pendekatan algoritma Naive Bayes. Dalam penelitian ini, kami mengumpulkan data evaluasi dari pengguna TikTok, termasuk peringkat, komentar, dan opini terkait pengalaman pengguna di platform tersebut. Kami menggunakan algoritme Naive Bayes untuk mengklasifikasikan ulasan pengguna TikTok ke dalam dua kategori opini utama: positif dan negatif. Tahapan yang dilakukan meliputi pengolahan data, ekstraksi fitur dan pelatihan model Naive Bayes menggunakan data pelatihan. Hasil klasifikasi penggunaan metode algoritma Naïve Bayes dan ekstraksi fitur dengan TF-IDF menghasilkan nilai akurasi sebesar 80%, precision sebesar 79%, recall sebesar 74% dan F1-Score sebesar 75%.
ANALISIS SENTIMEN ULASAN APLIKASI SAPAWARGA DI PLAYSTORE MENGGUNKAN ALGORITMA NAÏVE BAYES Tri Sanudin, Faiza; Irawan, Bambang; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8300

Abstract

Sapawarga merupakan aplikasi yang dirancang untuk memfasilitasi partisipasi masyarakat dalam melaporkan permasalahan lingkungan di jawa barat. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Sapawarga yang tersedia pada platform Google Play Store. Metode penelitian diawali dengan pengumpulan data ulasan pengguna secara otomatis menggunakan web scraping. Data selanjutnya melalui tahap preprocessing text dan dibagi menjadi data latih dan data uji. Pemodelan dilakukan dengan Naive Bayes untuk memprediksi sentimen positif dan negative. Hasil penelitian menunjukkan algoritma Naive Bayes mampu mencapai performansi yang baik dengan hasil accuracy sebesar 83%, precision sebesar 86%, recall sebesar 95% dan F1-Score sebesar 90%. Sentimen positif mendominasi ulasan Sapawarga yang kebanyakan berkaitan dengan masalah teknis. Studi ini telah berhasil menerapkan Naive Bayes untuk klasifikasi sentimen ulasan aplikasi sapawarga. Temuan penelitian ini berkontribusi pada pemahaman ulasan aplikasi sapawarga dan pengembangan metode analisis sentimen.
STRATEGI PROMOSI ONLINE SHOP DI MEDIA SOSIAL MELALUI PENERAPAN DATA MINING DENGAN METODE K-MEANS CLUSTERING Aini, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8301

Abstract

Penjualan online dan media sosial telah menjadi elemen kunci dalam bisnis modern. Untuk meningkatkan strategi promosi online shop, penerapan teknik data mining dengan metode clustering menjadi solusi. Fokus penelitian ini adalah mengatasi kendala keuntungan dan pertumbuhan pelanggan. Tujuan utama adalah mengungkap pola tersembunyi dalam data pelanggan dan perilaku pengguna di media sosial, mendukung pengambilan keputusan yang lebih cerdas untuk merancang strategi promosi yang tepat. Dengan metode clustering, pelanggan online shop dapat dikelompokkan berdasarkan kesamaan, memungkinkan penawaran yang lebih efektif kepada kelompok yang relevan. Data mining memungkinkan analisis mendalam terhadap perilaku pelanggan, termasuk tren pembelian, preferensi produk, dan interaksi media sosial. Identifikasi tren dan pola yang tak terlihat secara manual melalui data mining membantu pengambilan keputusan yang lebih baik, seperti menentukan produk populer atau waktu yang tepat untuk promosi. Hasil penelitian ini diharapkan memberikan wawasan berharga bagi pemilik online shop, memandu mereka dalam merancang strategi promosi yang efektif di media sosial. Dengan penggunaan data mining, bisnis dapat lebih adaptif terhadap perubahan pasar, meningkatkan penjualan, dan mencapai pertumbuhan keseluruhan yang lebih baik.

Page 146 of 384 | Total Record : 3835

 144   145   146   147   148 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 5 (2025): JATI Vol. 9 No. 5 Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4 Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3 Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2 Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1 Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6 Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5 Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4 Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3 Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5 Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4 Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3 Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2 Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1 Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2 Vol. 6 No. 1 (2022): JATI Vol. 6 No. 1 Vol. 5 No. 2 (2021): JATI Vol. 5 No. 2 Vol. 5 No. 1 (2021): JATI Vol. 5 No. 1 Vol. 4 No. 2 (2020): JATI Vol. 4 No. 2 Vol. 4 No. 1 (2020): JATI Vol. 4 No. 1 Vol. 3 No. 2 (2019): JATI Vol. 3 No. 2 Vol. 3 No. 1 (2019): JATI Vol. 3 No. 1 Vol. 2 No. 2 (2018): JATI Vol. 2 No. 2 Vol. 2 No. 1 (2018): JATI Vol. 2 No. 1 Vol. 1 No. 2 (2017): JATI Vol. 1 No. 2 Vol. 1 No. 1 (2017): JATI Vol. 1 No. 1 More Issue